[ML] 전처리와 모델의 매개변수를 위한 그리드 서치

---

파이썬 라이브러리를 활용한 머신러닝 책을 보고 정리한 내용입니다. 매개변수 조정 파이프라인을 사용하면 머신러닝 워크플로에 필요한 모든 처리 단계를 하나의 scikit-learn 추정기로 캡슐화할 수 있다. 또한 회귀와 분류 같은 지도 학습의 출력을 이용해서 전처리 매개변수를 조정할 수 있다. 파이프라인을 이용해서 boston 데이터셋에 Ridge를 적용해본다. 파이프라인은 데이터 스케일 조정, 다항식 특성 선택, 리지 회귀의 세 단계로 구성된다. 파이프라인을 사용하면 Ridge의 alpah 매개변수와 degree 매개변수를 탐색할 수 있다. 교차 검증의 결과를 히트맵을 나타낸다. 2차항이 효과가 좋다는 걸 알 수 있다. 최적의 매개변수도 확인할..........

[ML] 전처리와 모델의 매개변수를 위한 그리드 서치에 대한 요약내용입니다.

자세한 내용은 아래에 원문링크를 확인해주시기 바랍니다.

---

---

원문링크 : [ML] 전처리와 모델의 매개변수를 위한 그리드 서치